Calders / Goethals / Vens | Artificial Intelligence and Machine Learning | Buch | 978-3-031-39143-9 | sack.de

Buch, Englisch, Band 1805, 179 Seiten, Format (B × H): 155 mm x 235 mm, Gewicht: 300 g

Reihe: Communications in Computer and Information Science

Calders / Goethals / Vens

Artificial Intelligence and Machine Learning

34th Joint Benelux Conference, BNAIC/Benelearn 2022, Mechelen, Belgium, November 7-9, 2022, Revised Selected Papers
1. Auflage 2023
ISBN: 978-3-031-39143-9
Verlag: Springer Nature Switzerland

34th Joint Benelux Conference, BNAIC/Benelearn 2022, Mechelen, Belgium, November 7-9, 2022, Revised Selected Papers

Buch, Englisch, Band 1805, 179 Seiten, Format (B × H): 155 mm x 235 mm, Gewicht: 300 g

Reihe: Communications in Computer and Information Science

ISBN: 978-3-031-39143-9
Verlag: Springer Nature Switzerland


This book contains a selection of the best papers of the 34th Benelux Conference on Artificial Intelligence, BNAIC/ BENELEARN 2022, held in Mechelen, Belgium, in November 2022.

The 11 papers presented in this volume were carefully reviewed and selected from 134 regular submissions. They address various aspects of artificial intelligence such as natural language processing, agent technology, game theory, problem solving, machine learning, human-agent interaction, AI and education, and data analysis.

Calders / Goethals / Vens Artificial Intelligence and Machine Learning jetzt bestellen!

Zielgruppe


Research

Weitere Infos & Material


Explainable Misinformation Detection from Text: A Critical Look.- Explaining Two Strange Learning Curves.- Recipe for Fast Large-scale SVM Training: Polishing, Parallelism, and more RAM!.- Automatic Generation of Product Concepts from Positive Examples, with an Application to Music Streaming.- A view on model misspecification in uncertainty quantification.- A Comparative Study of Sentence Embeddings for Unsupervised Extractive Multi-Document Summarization.- On-Device Deep Learning Location Category Inference Model.- Specificity and context dependent preferences in argumentation systems.- Model-Based Reinforcement Learning with State Abstraction: A Survey.- Symmetry and Dominance Breaking for Pseudo-Boolean Optimization.- Examining speaker and keyword uniqueness: Partitioning keyword spotting datasets for federated learning with the largest differencing method.



Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.